Exame final de Estatística 1ª Época - 3 de Junho de Duração: 2h30m. Note bem:

Documentos relacionados
Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)

Estatística II Licenciatura em Gestão TESTE I

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

Capítulo 5- Introdução à Inferência estatística.

Probabilidades e Estatística

Capítulo 12 SELECIONADOS PARA ESTUDO PROVA 15/09: Problema 01. (a) (b)

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

Probabilidades e Estatística

Capítulo 12. Problema 01. (a) (b)

Cap. 4 - Estimação por Intervalo

Comparação entre duas populações

Instruções gerais sobre a Prova:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

MAE0229 Introdução à Probabilidade e à Estatística II

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE

Caderno de Exercício 2

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Avaliação de Desempenho de Sistemas Discretos

Inferência Estatística

Como a dimensão da amostra é , o número de inquiridos correspondente é

Teste de Hipóteses Paramétricos

Intervalos Estatísticos para uma única Amostra - parte II

Estatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas

Probabilidades e Estatística TODOS OS CURSOS

Caderno de Exercício 3

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

Probabilidades e Estatística

Disciplina: TRANSPORTES. Sessão Prática 4 (Tipo A): Amostragem

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

Probabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS

Unidade IX Estimação

Lista IC, tamanho de amostra e TH

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ

σ = Proporção (estrato C): =

Probabilidades e Estatística TODOS OS CURSOS

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Probabilidades e Estatística TODOS OS CURSOS

INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA

Hipótese Estatística. Tipos de Hipóteses

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

3 Introdução à inferência estatística

Objetivos. Testes não-paramétricos

Probabilidades e Estatística TODOS OS CURSOS

MAE Introdução à Probabilidade e Estatística II Resolução Lista 3

Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Lista 9 - Introdução à Probabilidade e Estatística

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos

Probabilidades e Estatística TODOS OS CURSOS

Estimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Pontual e Estimação intervalar.

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

n ) uma amostra aleatória da variável aleatória X.

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec

Teorema do limite central e es/mação da proporção populacional p

Testes de Hipóteses sobre uma Proporção Populacional

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ

Probabilidades e Estatística

ESTATÍSTICA NÃO-PARAMÉTRICA

d) A partir do item c) encontre um estimador não viciado para σ 2.

Exame MACS- Inferência-Intervalos.

Proposta de teste de avaliação

Intervalos de Confiança

A DESIGUALDADE DE CHEBYCHEV

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

Teoria da Estimação 1

7. INTERVALOS DE CONFIANÇA

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE

Distribuições Amostrais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Distribuições Amostrais

ESTIMAÇÃO PARA A MÉDIA

Distribuições Amostrais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

O teste de McNemar. A tabela 2x2. Depois - Antes

INTERVALOS DE CONFIANÇA

Probabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ

Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ

Testes de Comparação Múltipla

Exame Final Nacional de Matemática Aplicada às Ciências Sociais Época especial

Estimadores de Momentos

A finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais.

1 Distribuições Amostrais

1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

Transcrição:

xame fial de statística ª Época 3 de Juho de 4 Faculdade de coomia José Atóio iheiro Uiversidade Nova de Lisboa aria Helea Almeida Duração: h3m Note bem:. Resolva grupos diferetes em folhas diferetes. DNTFQU todas as folhas com úmero e ome LGÍVS 3. ara mater a ordem, a sereidade e a igualdade, ão se tiram dúvidas de iterpretação e ão são permitidas trocas de máquias de calcular ou tabelas 4. Não é permitido o uso de telemóveis para fazer cotas 5. No fial do exame etregue a sua prova e saia! Não se dirija aos docetes a dizer que se egaou umas vírgulas e que espera que ão lhe descotem muito ou outras cojecturas semelhates 6. AS NOTAS SÃO AFADAS DA 7 D JUNHO ÀS HORAS 7. OS ALUNOS NTRSSADOS OD VR OS AS NSS DA A ARTR DSSA HORA; TRATAS D UA SSSÃO ÚNA JUSTFQU ÁLULOS AFRAÇÕS Grupo ( valores) As duas frases seguites são ambas falsas. Justifique adequadamete a falsidade de cada uma um máximo de QUATRO LNHAS (se escrever mais cortamos a partir da quita liha). * i=. ara estimar a média μ de uma população utilizouse o estimador = que é eviesado; assim, uma determiada estimativa ( x ) uca poderá ser igual a μ.. Notícia da TV: se hoje houvesse eleições o SD teria etre 35 e 4 por ceto de votos. Notícia da S: se hoje houvesse eleições o SD teria etre 37 e 39 por ceto de votos. A otícia da S é mais precisa, mais iformativa, em suma, melhor do que a da TV! Grupo ( 8 valores ) As bolas de futebol utilizadas o uro 4 são fabricadas a hia; o tempo de fabrico de cada bola é uma variável aleatória que segue uma distribuição ormal em miutos, com média μ descohecida e desviopadrão σ = 4. O processo de fabrico associado a esta distribuição é cosiderado leto: as bolas são feitas maualmete com mãodeobra barata e ão especializada.

(.) a) A partir de uma amostra aleatória de bolas, costruiuse o seguite itervalo de cofiaça para a média μ da população de bolas: [9,;,98]. alcule o ível de cofiaça com que este itervalo foi costruído. (.5) b) ara melhorar a iformação, pretedese dimiuir a amplitude do itervalo em 5%, matedo o etato a mesma cofiaça; qual a dimesão da amostra ecessária? omete o resultado obtido. Uma alterativa à importação seria a compra das bolas a uma fábrica portuguesa de tecologia avaçada e operários altamete especializados. O tempo de fabrico segue igualmete uma distribuição ormal com média μ, descohecida, sedo σ =. (.5) c) om uma amostra aleatória de bolas fabricadas por este processo, obtevese um tempo médio de fabrico de x = 7 miutos. oderá afirmar que o processo de fabrico acioal é, em média, mais rápido do que o chiês? Decida trabalhado com %. (.5) d) alcule β (erro tipo ) associado à regra de decisão em c) supodo que o processo de fabrico acioal é de facto miutos mais rápido relativamete ao processo maual. (.5) e) cotre, gráfica e aaliticamete, a regra de decisão que garate a igualdade etre α e β ; calcule esse valor comum. (.) f) O valor de β ecotrado em d) permite dizer imediatamete a potêcia do esaio um certo poto. diqueos, o poto e a potêcia. Grupo ( 8 valores ) osidere que o tempo de motagem de um automóvel uma liha de produção resulta da soma dos tempos de três tarefas: strutura, otor e teriores. ada uma destas tarefas é uma variável aleatória com distribuição ormal em horas; as variáveis são idepedetes: N( μ =, σ =.5) N( μ =, σ =.6) N( μ =, σ =.5) A mpresa dá um prémio à asa do essoal de UR por carro sempre que o tempo de motagem for iferior a 4.5 horas mas mada ispeccioar cada carro cuja motagem for iferior a 3.5 horas por ser excessivamete rápida. ada ispecção custa 5 UR. (.) a) alcule a probabilidade de a média de motagem de estruturas de carros ser iferior a.5 horas. (.) b) Supodo que um carro passou a zoa da estrutura em.9 horas, qual a probabilidade de vir a ser ispeccioado? (.) c) Qual o ecargo esperado da mpresa (com prémios e custos de ispecção) com automóveis motados? (.5) d) arte dos automóveis são vedidos um Stad que defrota uma procura de oisso com média de 6 automóveis por dia. Qual a distribuição do úmero de dias, por semaa de sete dias, em que a procura é pelo meos igual à média? (pedese o ome da distribuição, o seu valor médio e a sua variâcia). (.) e) Acabou de ser vedido um automóvel. Qual a probabilidade que durate 3 horas ão se veda ehum? (o stad está aberto 4 horas por dia)

(.5) f) omo o stock do stad pode ser cosiderado ilimitado, a procura iguala a oferta. alcule a probabilidade aproximada que o stad veda de a 3 automóveis por ao (o stad está aberto todos os dias e o ao ão é bissexto). Grupo V ( valores) A liha de motagem referida o grupo aterior defrota dois problemas: μ é cosiderado excessivamete baixo (receiase que ao trabalhar tão depressa se descurem pormeores de seguraça) e σ é cosiderado excessivamete alto. Depois da itrodução de ajustametos técicos, observouse uma amostra de dimesão 5 de tempos de estrutura e uma outra amostra de dimesão 6 de tempos de motagem; os resultados foram: strutura x 5 =. ' otagem s 6 =. 93 alcule os p value para cada um dos casos e decida se matém ou rejeita que os valores dos parâmetros aida se matêm.

xame fial de statística ª Época 3 de Juho de 4 Faculdade de coomia José Atóio iheiro Uiversidade Nova de Lisboa aria Helea Almeida Tópicos de resolução Grupo As estimativas podem ser iguais a qualquer valor real que perteça ao domíio do parâmetro. O facto de o estimador ser eviesado apeas diz que um grade úmero de estimativas vai cair maioritariamete ao lado do verdadeiro valor de μ. as uma certa estimativa pode ser igual a μ. Ou a qualquer outro úmero. mpossível avaliar da veracidade da frase sem fichas técicas. Duas iformações relevates faltam: a dimesão da amostra e o ível de cofiaça. Sem essa iformação todos os malabarismos podem ser feitos para iludir audiêcias que ão sabem teoria da amostragem. Grupo a) = Tempo de fabrico, em miutos, de cada bola de futebol a hia N( μ ; σ = ) = z ; z 9,;,98 omo o poto médio do itervalo correspode à média amostral será x, a margem de erro é de.98. tão 4 z,98 z,98 z,96,5 95% 8 O ível de cofiaça associado ao itervalo dado é de 95%. b) O itervalo da alíea aterior tem amplitude,96. Se queremos reduzila em 5%, sigifica,96*,75=,47; a margem de erro será,735. σ z α =,735,96 4 =,735 = 3,77 ara a redução desejada, a dimesão da amostra passa de para 4 bolas. Tratase de um resultado esperado porque, para o mesmo ível de cofiaça, quato maior for a dimesão da amostra, maior será a precisão graças à redução da variâcia da média amostral.

c) = Tempo de fabrico, em miutos, de cada bola de futebol em ortugal N( μ; σ = ) = x 7 H : : H ( ) Sob H N(,) ; o valor do teste será V ( 7) () 4,48,54,54 % om o ível de sigificâcia de % há evidêcia estatística para rejeitar a hipótese ula, logo podemos cosiderar que o tempo médio de fabrico das bolas é mais rápido em ortugal. odia ter optado logo pela resolução o espaço stadard. Faria, sob H, L ( μ ) μ <,54 L =.374 ; este limiar respeita a e como σ σ + x x 3, rejeitaria também a hipótese ula (ão poderia deixar de ser). d) Na resolução desta alíea pode recorrer logo ao valor.347 ou reecotrálo mais tarde. Note o etato que se ão o fizer, o primeiro passo para o cálculo de está a determiar a região de permaêcia (e implicitamete a de rejeição ) com base em H. rejeitar H H verdadeira,54,54,54,374,374,94,94,736 e) Nas codições da alíea aterior temos α =,, L =. 374 e β =, 736 :

β α Dada a simetria dos elemetos evolvidos, é imediato que a ova regra de decisão terá de ser costruída com base em L =, tal como ilustra o gráfico seguite: β α sta situação ão é geral pois depede das variâcias. odemos cofirmar a ova regra de decisão calculado os dois erros: rejeitar H H verdadeira L L L L rejeitar H H verdadeira L L L L gualado as suas expressões

.939 L.6 L L (.49) f) É sabido que π ( ) = β(), com as devidas cautelas a leitura de ( ) (erro de seguda espécie mometâeo); etão π ( ) = β() =. 8. Grupo.5.5 a) N( μ =, σ = ) ; ( <.5) = ( ) = (.3) =. 67 φ φ.58 b) Se já gastou.9 horas, será ispeccioado se gastar meos de.6 horas as duas restates secções. O tempo a gastar essas secções tem a distribuição N( ;.6.5.85) (.6).6 ( ).9 (.43).3336 c) Seja Y = + + ; Y N( μ = 4, σ =.) (Y 4.5) 4.5 4. ( Y 3.5) 3.5 4. (.48).6844 (.48).356 m automóveis, esperase que.6844*=68 teham um tempo de motagem iferior a 4.5 horas e que.356*=3 teham um tempo de motagem iferior a 3.5 horas. Sempre que a duração seja iferior a 4.5 horas, a empresa paga euros à asa do essoal e quado é iferior a 3.5 horas a empresa gasta 5 euros para ispeccioar, logo o ecargo global da empresa será 68*+3*5=84 euros. Outra forma de chegar ao mesmo resultado: A probabilidade do tempo de motagem ser iferior a 4.5 horas é 68% e iferior a 3.5 horas cerca de 3%. Tal iformação, expressa a figura seguite, ajuda a perceber que a primeira área egloba a seguda.

A probabilidade do tempo de motagem se situar etre 3.5 e 4.5 horas é de 68% 3%=36%. ara calcular o motate global dos ecargos da mpresa, é ecessário otar o seguite: sempre que o tempo de motagem esteja compreedido etre 3.5 e 4.5 horas a empresa tem de pagar euros à asa do essoal; sempre que o tempo seja meor que 3.5 horas, a mpresa terá de pagar os euros mais 5 euros pela ispecção, totalizado 5 euros. O motate global de ecargos por automóvel será *.36+5*.3=84 euros que, para os automóveis implica um ecargo de 84 euros. d) = Número de automóveis procurados por dia oisso ( λ = 6) W = Número de dias, por semaa de sete, em que a procura é pelo meos igual à média. W Biomial ( 7; p ( 6)) ; ( 6) F(5).45. 55 p ( W ) = p = 7.55 = 3.85 ; V ( W ) = p( p) = 7.55.45 =. 735 e) Se oisso ( λ = 6) por dia, o tempo etre acotecimetos é expoecial com 8 λ = 6 também por dia; assim sedo, ( T 3horas) ( T dia) e. 474 8 (ote que 3 horas são /8 do dia; se passasse a referêcia directamete para horas os 3* seriam iguais a e etão ( 3) 4 T e. 474 ). 4 6* Também se pode resolver esta questão a partir da distribuição oisso: ( 3Horas e ( ).75.75).75! e 3 4.474

f) = Número de automóveis vedidos (ou procurados) por ao ( λ = 6 365 = 9) ( (.93 3) (99.5.36) (.36) (.93) 3.5) 99.5 9 9.999 (.973).9 3.5 9 9 Grupo V omo sempre estes casos, os cálculos podem ser feitos de duas maeiras equivaletes: ara a média o espaço amostral:.5 p value ( 5. 5 N(, )) 5 o espaço stadard:. ( ). (.45).6736.3 H :. Sob H = =. 447 é uma cocretização de um ; etão H :.5 5 p value = ( >.447) = φ(.45) =.3 omo o p value é relativamete grade ão costitui prova suficiete cotra a hipótese ula, ou seja esta deve ser matida. Os ajustametos técicos parecem ão ter sido eficazes. ara o teste sobre a variâcia apresetase a resolução com as mesmas alterativas: p value ou ' ' 5* S 5*.93 ( S.93) ( ) ( (5)...878).5 H :. (6 ).93 Sob H, V H :... 878 é uma cocretização de um χ (5) ; etão p value ( (5).878). 5 Neste caso a decisão ão é tão clara como o caso aterior pois ão há uma evidêcia clara cotra ou a favor da hipótese ula! Um p value, apesar de muito baixo, aida deixa margem ao decisor para mater ou rejeitar a hipótese ula cosoate os seus desejos políticos e a sua sesibilidade. m geral a decisão deve ser de rejeitar a hipótese ula...as... Note que pode dialogar com : se habitualmete trabalhássemos com valores de α acima dos.5%, há evidêcia estatística para rejeitar a hipótese ula, logo podemos cocluir que os ajustametos técicos foram eficazes. Se trabalharmos com valores para α abaixo dos.5%, a decisão e coclusão fiais serão cotrárias. Note o etato que a ideia do p value ão é de dialogar com (sempre descofortável para quem se iicia esta liturgia) mas dar ao decisor a possibilidade de optar mais flexivelmete por uma ou outra das situações.